System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內的位置。 參數名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技術實現步驟摘要】
本專利技術屬于環境工程領域,尤其涉及一種基于星地大數據遷移應用的多源固廢數據補充方法。
技術介紹
1、圍繞高質量發展主題,改善城市環境質量的要求不斷提高,對于生活垃圾減量化、再利用、資源化的需求愈加迫切,對我國生活垃圾分類和處理工作提出了新的更高要求。在現代城市中,工業廢棄物、危險廢物和可回收垃圾等多種固體廢棄物的產生量日益增加,傳統的垃圾處理方式已難以應對這些多源固廢的復雜性和多樣性。對這些廢物進行科學有效的分類回收,不僅有助于減少環境污染,降低資源浪費,還能提高廢物處理的效率和資源的再利用率。特別是危險廢物的妥善管理,能夠防止有害物質對人體健康和生態系統的潛在威脅。多源固體廢物的分類管理不僅有助于改善城市環境質量,還能夠提升公眾的環保意識,推動社會向綠色低碳方向發展。因此,推動垃圾分類回收具有重要的環境、經濟和社會意義。
2、在此背景下,構建一種新穎的預測方法,能夠精準預測不同類型固廢的產生和分布,對制定更加高效的廢物管理策略至關重要。但是城市多源固廢產生量的精準預測仍然面臨挑戰,
3、目前的垃圾預測方法主要基于統計數據,因為統計數據往往稀缺不連續,尺度粗糙,僅公開年度總量信息,缺乏不同品類固廢的細致產量數據,難以構建有效的預測模型。因此提出本專利技術,構建基于歷史不連續數據的多固廢組分協同遷移預測框架,基于歷史產廢規律充分釋放數據價值,利用機器學習與深度學習相結合,以實現多種固廢的協同精準預測,并實現預測結果的外推,為多源固廢精準管理提供充足數據。
技術實現思路<
...【技術保護點】
1.一種基于星地大數據遷移應用的多源固廢數據補充方法,其特征在于,包括以下步驟:
2.根據權利要求1所述的一種基于星地大數據遷移應用的多源固廢數據補充方法,其特征在于,所述一中構建多源固廢數據補充模型;得到訓練好的多源固廢數據補充模型;
3.根據權利要求2所述的一種基于星地大數據遷移應用的多源固廢數據補充方法,其特征在于,
4.根據權利要求3所述的一種基于星地大數據遷移應用的多源固廢數據補充方法,其特征在于,所述步驟二中固廢垃圾種類個數Y為20;所述固廢垃圾種類包括:餐飲垃圾、廚余垃圾、其他垃圾、有害垃圾,大宗廢物;煤矸石、粉煤灰、冶煉渣、化工廢渣、建筑廢料;廢礦物油、廢酸、廢堿、廢有機溶劑、醫療廢物;廢金屬、廢玻璃、廢織物、廢紙、廢塑料。
5.根據權利要求4所述的一種基于星地大數據遷移應用的多源固廢數據補充方法,其特征在于,所述步驟三中根據步驟一采集的歷史解釋變量數據集和步驟二采集的歷史目標變量數據集構成訓練樣本數據集;具體過程為:
6.根據權利要求5所述的一種基于星地大數據遷移應用的多源固廢數據補充方法,其特征在于,
7.根據權利要求6所述的一種基于星地大數據遷移應用的多源固廢數據補充方法,其特征在于,所述步驟四中根據目標變量中垃圾種類構建Z個基回歸模型組,具體過程為:
8.根據權利要求7所述的一種基于星地大數據遷移應用的多源固廢數據補充方法,其特征在于,所述步驟五中構建邏輯回歸元模型的具體過程為:
9.根據權利要求8所述的一種基于星地大數據遷移應用的多源固廢數據補充方法,其特征在于,所述步驟六中根據步驟四得到的Z個基回歸模型組和步驟五得到的邏輯回歸元模型構建多源固廢數據補充模型;具體過程為:
10.根據權利要求9所述的一種基于星地大數據遷移應用的多源固廢數據補充方法,其特征在于,所述步驟六一中將增強后的訓練樣本數據集中第yi種固廢垃圾數據輸入第zi個基回歸模型組,得到第ri種固廢垃圾產量的預測結果,yi∈Y,zi∈Z,ri∈R;具體過程為:
...【技術特征摘要】
1.一種基于星地大數據遷移應用的多源固廢數據補充方法,其特征在于,包括以下步驟:
2.根據權利要求1所述的一種基于星地大數據遷移應用的多源固廢數據補充方法,其特征在于,所述一中構建多源固廢數據補充模型;得到訓練好的多源固廢數據補充模型;
3.根據權利要求2所述的一種基于星地大數據遷移應用的多源固廢數據補充方法,其特征在于,
4.根據權利要求3所述的一種基于星地大數據遷移應用的多源固廢數據補充方法,其特征在于,所述步驟二中固廢垃圾種類個數y為20;所述固廢垃圾種類包括:餐飲垃圾、廚余垃圾、其他垃圾、有害垃圾,大宗廢物;煤矸石、粉煤灰、冶煉渣、化工廢渣、建筑廢料;廢礦物油、廢酸、廢堿、廢有機溶劑、醫療廢物;廢金屬、廢玻璃、廢織物、廢紙、廢塑料。
5.根據權利要求4所述的一種基于星地大數據遷移應用的多源固廢數據補充方法,其特征在于,所述步驟三中根據步驟一采集的歷史解釋變量數據集和步驟二采集的歷史目標變量數據集構成訓練樣本數據集;具體過程為:
6.根據權利要求5所述的一種基于星地大數據...
【專利技術屬性】
技術研發人員:田禹,趙天瑞,李維嘉,任南琪,
申請(專利權)人:哈爾濱工業大學,
類型:發明
國別省市:
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。